Taking into account vast amount of data available for general practitioners, medical diagnostic procedure can be treated as a complex analytical task. A doctor has to analyze the patient’s symptoms, medical test results, and medical knowledge, correlate everything and decide on the diagnosis. In order to do this more effectively, dedicated analytical tools and techniques can be used. The paper elaborates on the application of Map of Attributes (MoA) visualization technique for analysis of a patient’s health and disease pattern recognition. Various modes of using MoA are proposed and discussed. Furthermore, an application of diseases ranking preparation methods in visual filtering of diseases is presented. The methods use flexible similarity indices in conjunction with a graphical presentation of the Pareto model and Multidimensional Scaling model. Their goal is to allow physicians to narrow the space of detailed analysis in an interactive visual manner.
PL
Biorąc pod uwagę ilość danych dostępnych dla lekarzy, diagnostyka medyczna może być traktowana jako złożone zadanie analityczne. Lekarz musi przeanalizować symptomy pacjenta, wyniki jego badań oraz wiedzę medyczną, a następnie skorelować wszystko i zdecydować o diagnozie. W celu przeprowadzenia tego efektywnie, można zastosować dedykowane narzędzia i techniki analityczne. Artykuł omawia zastosowanie techniki wizualizacji Mapa Atrybutów – MoA (ang. Maps of Attributes) do analizy stanu zdrowia pacjenta oraz rozpoznawania wzorców jednostek chorobowych. W artykule przedstawione i przedyskutowane zostały różne możliwe tryby użycia MoA. Ponadto, zaprezentowane jest zastosowanie metod budowy rankingu jednostek chorobowych do wizualnego filtrowania chorób. Metody te wykorzystują elastyczne indeksy podobieństwa w połączeniu z graficzną prezentacją modelu Pareto oraz modelu MDS (ang. Multidimensional Scaling). Ich celem jest umożliwienie lekarzowi zawężania przestrzeni szczegółowej analizy w sposób wizualny i interaktywny.
Map of Attributes (MoA) is a visualization technique that allows to construct graphical representation of abstract entities. The technique is intended to aid recognition of the entities’ representations through the effective use of human perception abilities. A certain difficulty in the application of MoA is the computational complexity of finding an optimal map. The study presents a heuristic approach, based on evolutionary algorithms (EA), to constructing MoA visualization. The method was evaluated using the repository of disease entities as an input dataset. Several different setups of EA were tested; these were configurations with well-known evolution operators, as well as setups with newly proposed operators for the matrix representation of chromosome. Detailed results and analysis of conducted experiments are presented.
PL
Mapa atrybutów (MoA, z ang. Map of Attributes) to technika wizualizacji, która pozwala konstruować graficzną reprezentację abstrakcyjnych obiektów. Celem działania techniki jest wsparcie rozpoznawania graficznej reprezentacji obiektów przez efektywne wykorzystanie percepcyjnych zdolności człowieka. Pewną trudnością stosowania MoA jest złożoność obliczeniowa znajdywania optymalnej mapy. W artykule przedstawiono heurystyczne podejście bazujące na algorytmach ewolucyjnych (EA, z ang. evolutionary algorithms) do konstruowania wizualizacji MoA. Metoda została zbadana z wykorzystaniem repozytorium jednostek chorobowych jako zbioru danych wejściowych. Kilka różnych konfiguracji EA zostało zweryfikowanych, były to konfiguracje z zastosowaniem dobrze znanych operatorów ewolucyjnych, jak również konfiguracje z nowo zaproponowanymi operatorami dla macierzowej reprezentacji chromosomu. Artykuł prezentuje szczegółowe wyniki oraz analizę przeprowadzonych eksperymentów.
There are many techniques of multidimensional data visualization. Part of them was built for a specific purpose, while another part is very general. In case of the former, the selection of appropriate technique is straight forward, for the latter the selection is not always obvious. In certain simplification, selecting the most appropriated technique depends on the data which are visualized and the task that needs to be performed by the user over the visualization. This study is focused on evaluation of known visualization techniques for their applicability to a well-defined task and data set. The data set consist of medical patterns representing human diseases and their symptoms as an object-attribute data model. The task is to facilitate recognition of a disease by visualizing the reference medical patterns and the data of patient’s condition.
Many approaches to automatic design of graphical presentation are focused on creating graphical presentation for a given data type, often without considering actual instances of data. This is due to the fact that they aim to be general purpose solutions. In this study a method which draws attention to characteristics of the actual data to be presented is adopted. Knowing characteristics of data that will be shown to the observer in advance, allows much more customized approach and better performance of constructed visualization. Visualisation performance in this case is understood as an ability to identify and recognize presented objects quickly and easily. Construction of the method relies heavily on research in the area of data visualization and perceptual psychology - with special emphasis on figural goodness.
PL
Wiele rozwiązań z zakresu automatyzacji konstruowania prezentacji graficznych koncentruje się na konstruowaniu prezentacji graficznych dla wybranego typu danych, najczęściej bez uwzględniania konkretnej instancji danych w procesie przygotowania metody prezentacji. Wynika to z faktu, że podejścia te starają się być rozwiązaniami uniwersalnymi. W pracy zaproponowana jest metoda, która zwraca uwagę na cechy danych, które faktycznie będą przedstawiane. Znając charakterystykę danych, do zaprezentowania możliwe jest znacznie lepsze dostosowanie podejścia i poprawa wydajności zbudowanej wizualizacji. Wydajność wizualizacji w tym przypadku jest rozumiana jako zdolność obserwatora do odnajdywania i rozpoznawania prezentowanych obiektów w szybki i łatwy sposób. Budowa metody opiera się głównie na badaniach w obszarze wizualizacji danych i psychologii percepcji - ze szczególnym naciskiem na figural goodness.
The aim of this study is to present an original data visualization method with greatest focus on selected aspects of its implementation. The proposed method is designed for visualization of multidimensional data sets consisting of objects described by nominal attributes. The goal of the visualization is to facilitate objects recognition and remembering based on human perceptual capabilities. The expected result for a given input data set is a twodimensional map of all attributes. Arrangement of the attributes on the map allows visualization of individual objects as, so called, good figures. The study is focused on the algorithm, which searches for the optimal maps; implementation aspects and overall complexity of the problem are also explored.
The article presents the concept of using the theory of similarity in the recognition of medical patterns. The aim of the work is to construct a graphical model of disease entity pattern and the state of the patient's health in such a way as to use natural human ability of perception to identify similarities between them. With this approach, the representation of medical patterns can be used to support the diagnosis process of disease entities.
PL
W artykule przedstawiono koncepcję wykorzystania teorii podobieństwa w rozpoznawaniu wzorców medycznych. Celem prowadzonych prac jest skonstruowanie postaci graficznej wzorca jednostki chorobowej oraz stanu zdrowia pacjenta, w taki sposób, aby wykorzystać naturalne zdolności percepcyjne człowieka do identyfikacji podobieństwa między nimi. Dzięki takiemu podejściu, reprezentacja wzorców medycznych może zostać zastosowana do wsparcia procesu diagnozowania jednostek chorobowych.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.